Ropedia 提出 EgoXperience：聯合重建相機、場景、手部與物體
研究團隊開發 EgoX-Engine 自動標註引擎與 EgoX 模型，在共享世界座標系中同時重建相機、場景、手部與物體。
- 本站上線
- 2026/10/21 上午06:18
- 首次報導
- 2026/10/19 上午08:00
- 最早來源發布
- 2026/10/19 上午08:00
研究在做什麼
從第一人稱影片重建人類活動時，不能只恢復個別 3D 組件，觀察者的運動、周圍幾何結構以及手物互動必須在一致的世界中契合。現有方法與資料集在聯合重建與對齊監督方面支援有限。Ropedia 提出 EgoXperience，透過資料收集、自動標註、統一建模與基準測試來解決這些需求。 Hugging Face 每日精選論文
方法
核心是自動標註引擎 EgoX-Engine，結合幾何驗證的物體追蹤與基於 SLAM（同時定位與建圖）的世界對齊，為相機、場景、手部與物體產生一致的監督訊號。這產生了 EgoX-Data-6M，一個包含 50 小時室內外環境中任務驅動操作與移動的資料集，並附有秒級任務說明。研究團隊從中精選 1 小時作為 EgoX-Bench 以評估聯合重建。模型 EgoX 使用 EgoX-Data-6M 及其他公開資料集的補充標註進行訓練，給定單目第一人稱影片與首幀物體遮罩，透過單次前向傳播在共享世界座標系中實現相機、場景、手部與物體的聯合度量重建。 Hugging Face 每日精選論文
結果
實驗顯示 EgoX 在場景估計與世界空間手物姿態恢復方面表現良好。與評估中表現最佳的基準相比，EgoX 將相機、手部與深度誤差分別縮小了 68.9%、65.6% 和 42.9%，並將物體姿態分數提升了 28.0%。 Hugging Face 每日精選論文
程式碼與資料
本站 2026-10-21 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：
- 研究機構（Hugging Face 標示）：Ropedia
- 程式碼：Ropedia/EgoXperience｜13 顆星｜最後更新 2026-10-20｜授權 未標示
- 專案網頁：https://ropedia.github.io/EgoXperience
- 線上展示：tardellirs/paper-pulse
- 模型與資料集：Hugging Face 上沒有連結到這篇論文的公開模型或資料集
來源：佐證 1 筆
媒體轉述新聞媒體的報導
- Hugging Face 每日精選論文 · EgoXperience: Learning World-Grounded Egocentric Representations from Human Experience10/19 上午08:00
這篇對你有用嗎？
登入會員後可以按反應與留言。登入
留言 0
- 還沒有留言。
留言公開顯示暱稱，不顯示你的真實姓名與信箱。含多個連結或疑似廣告的留言會先經編輯確認；檢舉達 3 次的留言會自動隱藏。隱私政策
發現錯誤？
回報會進入待處理清單；核實後更正，並在文中註記更正紀錄。